本发明专利技术公开了一种基于优胜劣汰、步步选择的粒子群优化方法，主要是在操作过程中将粒子分成两组，第一组的粒子是优势粒子，第二组的粒子是劣势粒子。先通过种群在全局范围内搜索解空间，增强全局搜索能力；每次进化完成后，保留种群中最好的m个粒子，并选择较好的这些粒子的位置空间作为新的解空间，在新的解空间中选取新的粒子代替种群中较差粒子的位置。这样就可以步步逼近最优粒子，找到最优解。该方法增强了粒子群优化算法的搜索能力，弥补了基本粒子群优化算法易陷入局部极值、早熟收敛或停滞的缺陷，能够更加准确、快速的找到待优化参数的最优值。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了，主要是在操作过程中将粒子分成两组，第一组的粒子是优势粒子，第二组的粒子是劣势粒子。先通过种群在全局范围内搜索解空间，增强全局搜索能力；每次进化完成后，保留种群中最好的m个粒子，并选择较好的这些粒子的位置空间作为新的解空间，在新的解空间中选取新的粒子代替种群中较差粒子的位置。这样就可以步步逼近最优粒子，找到最优解。该方法增强了粒子群优化算法的搜索能力，弥补了基本粒子群优化算法易陷入局部极值、早熟收敛或停滞的缺陷，能够更加准确、快速的找到待优化参数的最优值。【专利说明】
本专利技术涉及一种改进粒子群优化方法，尤其涉及。
技术介绍
粒子群优化方法(英文缩写为PS0)是利用群体智能原理建立简化模型，模拟鸟类的觅食行为。其基本原理有以下几个内容:首先把每个个体看作一个没有体积的微粒，所有微粒组成了微粒群，在空间内进行搜索；其次，群体在搜索空间中以一定的速度飞行，粒子的飞行速度由微粒本身和同伴的飞行经验不断的调整；最后进行微粒适应度值的计算，根据适应度的大小衡量微粒的优劣，通过优化选择找出微粒个体最优值以及整个群体的最优值。在进化过程中，粒子群优化方法易陷入局部极值，即在达到一定的优化精度后，可能很难再找到更好的解；微粒群过早收敛，使整个种群的进化停滞。为了克服上述缺陷，各领域的研究人员及学者们相继提出了各种改良措施，经历了许许多多的变形和改进。
技术实现思路
本专利技术的目的是解决现有粒子群优化方法的不足，提出的(英文缩写为SSPS0)。该方法能够保证搜索在全局范围内展开，避免陷入局部极值，提高收敛速度，进而影响搜索能力。本专利技术粒子群优化方法的基本原理是:在操作过程中将粒子分成两组，第一组的粒子是优势粒子，第二组的粒子是劣势粒子。先通过种群在全局范围内搜索解空间，增强全局搜索能力；每次进化完成后，保留种群中最好的m个粒子，并选择较好的这些粒子的位置空间作为新的解空间，在新的解空间中选取新的粒子代替种群中较差粒子的位置。这样就可以步步逼近最优粒子，找到最优解，增强了寻优能力。本专利技术粒子群优化方法的步骤包括以下步骤:(I)设置初始参数:设粒子群内有若干个粒子，随机产生各粒子的初始位置与初始速度，限定任意时刻粒子的速度和位置的取值范围，设定迭代终止条件，设置学习因子、惯性权重、粒子总个数。(2)迭代迅优，记录当前迭代步数，并计算每个粒子的适应度值，对粒子适应度进行优劣评价。(3)按粒子优劣度排列函数，并将相应的粒子位置进行排序。(4)从粒子总个数为M个粒子群中选取并保留适应度较好的m个粒子(本专利选择预测误差均方值的大小作为粒子适应度值)，并将这m个粒子的位置范围作为新的解空间。(5)在新的解空间内重新选择M-m个粒子代替适应度较差的M-m个粒子，构造出新的粒子群。(6)、评价上述构造出的新的粒子群中的各粒子的适应度值，并据此更新各粒子的历史最优值及粒子群的全局最优值；按照式(I)更新粒子群中每个粒子的速度，按照式(2)更新粒子群中每个粒子位置；Vij (t+1) = W^Vij (t) +C1^r1J (t) * (Gij (t) -Pij (t)) +c2*r2j (t) * (Ggi (t) -Pij (t)) (I)Pij (t+1) = PijU)+0.Svij (t+1) (2)式(I)和式(2)中:下标j:表示粒子的第j维；下标1:表示第i个粒子；P1:第i个粒子的当前位置；v1:粒子的当前速度；G1:所经历的历史最好位置；t:进化到的代数；(^、C2:学习因子；A、r2:在范围内变化的随机常数；w:惯性权重，用于平衡粒子群算法的全局和局部搜索能力，决定粒子先前速度对现在速度的影响大小；(7)、判断算法是否收敛，是否达到迭代终止条件(达到最大迭代步数或满足收敛精度要求)。若达到迭代终止条件，迭代结束，并输出全局最优粒子的相关参数，否则返回步骤(2)继续迭代，直到满足迭代终止条件。本专利技术粒子群优化方法基本流程见附图，其中虚线范围内便是本改进方法的核心，其他部分与基本的粒子群优化方法相同。与现有技术相比，本专利技术的有益效果是:本专利技术基于优胜劣汰、步步选择的粒子群优化方法增强了粒子群优化算法的搜索能力，弥补了基本粒子群优化算法易陷入局部极值、早熟收敛或停滞的缺陷，能够更加准确、快速的找到待优化参数的最优值。【专利附图】【附图说明】附图是本专利技术优胜劣汰、步步选择粒子群优化方法的基本流程图。【具体实施方式】下面结合附图和具体实施例对本专利技术技术方案作进一步详细描述。本专利技术粒子群优化方法，能够达到搜索某一问题最优解的目的。下面给出一个例题，来具体说明如何应用本专利技术粒子群优化方法。例题:选择Rastrigin、Sphere、Rosebrock、Schaffer四个典型函数最小化问题，用本专利技术的优胜劣汰、步步选择粒子群优化方法和基本粒子群算法(PSO)进行测试比较。四个典型函数形式:Rastrigin函数，Schaffer函数，Rosebrock函数，Sphere函数。(I)Rastrigin 函数:【权利要求】1. ，其特征在于，该方法包括以下步骤: 步骤(1)、设置初始参数:设粒子群内有若干个粒子，随机产生各粒子的初始位置与初始速度，限定任意时刻粒子的速度和位置的取值范围，设定迭代终止条件，设置学习因子、惯性权重、粒子总个数； 步骤(2)、迭代寻优，记录当前迭代步数，并以预测误差均方值的大小作为粒子适应度值，计算每个粒子的适应度值，对粒子适应度进行优劣评价，得出粒子优劣度； 步骤(3)、按粒子优劣度大小排列函数，并将相应的粒子位置进行排序； 步骤(4)、从粒子总个数为M个粒子群中选取并保留适应度较好的m个粒子，并将所述m个粒子的位置范围作为新的解空间， 步骤(5)、在新的解空间内重新选择M-m个粒子代替适应度较差的M-m个粒子，构造出新的粒子群； 步骤(6)、评价上述构造出的新的粒子群中的各粒子的适应度值，并据此更新各粒子的历史最优值及粒子群的全局最优值；按照式(I)更新粒子群中每个粒子的速度，按照式(2)更新粒子群中每个粒子位置； Vij (t+1) = W^vij (t) +C1^rlj (t) * (Gij (t) -Pij (t)) +c2*r2j (t) * (Ggi (t) -Pij (t)) (I)Pij (t+1) =Ρ^.α)+0.5ViJ(t+l) (2) 式⑴和式(2)中: 下标j:表示粒子的第j维； 下标1:表示第i个粒子； P1:第i个粒子的当前位置； V1:粒子的当前速度； G1:所经历的历史最好位置； t:进化到的代数； C1^ C2:学习因子； I^r2:在范围内变化的随机常数； w:惯性权重，用于平衡粒子群算法的全局和局部搜索能力，决定粒子先前速度对现在速度的影响大小； 步骤(7)、判断算法是否收敛，是否达到迭代终止条件，其中，以达到最大迭代步数或满足收敛精度要求为迭代终止条件，若达到迭代终止条件，迭代结束，并输出全局最优粒子的相关参数，否则返回步骤(2)继续迭代，直到满足迭代终止条件。【文档编号】G06N3/00GK103942599SQ201410166021【公开日】2014年7月23日 申请日期:本文档来自技高网...
【技术保护点】
一种基于优胜劣汰、步步选择的粒子群优化方法，其特征在于，该方法包括以下步骤：步骤(1)、设置初始参数：设粒子群内有若干个粒子，随机产生各粒子的初始位置与初始速度，限定任意时刻粒子的速度和位置的取值范围，设定迭代终止条件，设置学习因子、惯性权重、粒子总个数；步骤(2)、迭代寻优，记录当前迭代步数，并以预测误差均方值的大小作为粒子适应度值，计算每个粒子的适应度值，对粒子适应度进行优劣评价，得出粒子优劣度；步骤(3)、按粒子优劣度大小排列函数，并将相应的粒子位置进行排序；步骤(4)、从粒子总个数为M个粒子群中选取并保留适应度较好的m个粒子，并将所述m个粒子的位置范围作为新的解空间，步骤(5)、在新的解空间内重新选择M‑m个粒子代替适应度较差的M‑m个粒子，构造出新的粒子群；步骤(6)、评价上述构造出的新的粒子群中的各粒子的适应度值，并据此更新各粒子的历史最优值及粒子群的全局最优值；按照式(1)更新粒子群中每个粒子的速度，按照式(2)更新粒子群中每个粒子位置；vij(t+1)＝w*vij(t)+c1*r1j(t)*(Gij(t)‑Pij(t))+c2*r2j(t)*(Ggi(t)‑Pij(t)) (1)Pij(t+1)＝Pij(t)+0.5vij(t+1) (2)式(1)和式(2)中：下标j：表示粒子的第j维；下标i：表示第i个粒子；Pi：第i个粒子的当前位置；vi：粒子的当前速度；Gi：所经历的历史最好位置；t：进化到的代数；c1、c2：学习因子；r1、r2：在[0，1]范围内变化的随机常数；w：惯性权重，用于平衡粒子群算法的全局和局部搜索能力，决定粒子先前速度对现在速度的影响大小；步骤(7)、判断算法是否收敛，是否达到迭代终止条件，其中，以达到最大迭代步数或满足收敛精度要求为迭代终止条件，若达到迭代终止条件，迭代结束，并输出全局最优粒子的相关参数，否则返回步骤(2)继续迭代，直到满足迭代终止条件。...
【技术特征摘要】
【专利技术属性】
技术研发人员：徐国宾，韩文文，章环境，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。